Couvre les modèles ARMA pour la prévision des séries chronologiques, en discutant des implications, des propriétés des erreurs de prévision, des défis avec les prédictions et des modèles de covariance.
Couvre la sélection des modèles, les diagnostics et les prévisions dans lanalyse des séries chronologiques, en mettant laccent sur les défis de déterminer lordre du modèle basé sur les fonctions dautocorrélation et dautocorrélation partielle.
Explore l'analyse de séries chronologiques multivariées, la cointégration, la prévision avec les modèles ARMA, et les applications pratiques dans l'analyse des taux d'intérêt.
Explore la mémoire longue dans les séries temporelles et les processus d'hétéroskédasticité conditionnelle autorégressive dans les données financières.
Explore les fondamentaux de l'analyse des séries chronologiques, y compris la stationnarité, les processus linéaires, la prévision et les aspects pratiques.
